针对噪声干扰下转子微弱不对中故障特征难以提取的问题，提出一种谱峭度与变分模态分解的转子故障诊断方法。该方法首先利用谱峭度（Spectral Kurtosis）滤除信号背景噪声以强化故障特征相关信号分量，然后通过变分模态分解（Variational Mode Decomposition，VMD）将转子振动信号分解为一系列本征模态分量并对各分量进行频谱分析，提取转子的故障特征。将该方法应用到转子不对中故障实验数据中，结果表明，该方法能有效提取出转子微弱不对中故障特征，并且结果要优于基于谱峭度与经验模态分解（EMD）方法的分析结果。

频率切片小波变换是一种有力的时频分析方法，但在强背景噪声条件下其故障特征识别能力不足，故提出奇异值分解结合频率切片小波的故障特征提取方法。首先利用原始信号构造 Hankel矩阵，根据奇异值差分谱单边极大值原则确定阶次并进行降噪处理，继而利用频率切片小波对降噪信号进行全频分析，确定信号分量分布区间之后，对能量集中的信号进行频率切片细化分析，用时频图及重构信号提取齿轮故障特征。通过仿真及实测齿轮的点蚀信号分析，表明该方法能够实现齿轮运行状态的准确判别，有一定的工程实际意义。

分析了混合TPA的计算方法，即将传统TPA方法，与有限元模型仿真计算所得传递函数相结合，以达到减少计算工作量、缩短实验周期。论文针对某车型传动系统扭振引起的车内轰鸣问题，搭建混合传递路径分析模型，在准确识别副车架与车身耦结合处载荷力的基础上，确认贡献量较大的传递路径，并将各传递路径对目标点的声压贡献量进行矢量叠加，拟合出车内目标点声压谱图。分析得到的目标点噪声情况与试验测得结果能够很好的吻合，重现了问题频段的频谱特征，证明了混合TPA方法的准确性。